用 GPT-6 Luna 做分类：每张工单都分好
把每条进来的工单、邮件或表单连同一份固定的标签清单发给 GPT-6 Luna，要求它返回一个标签和一句简短理由。标签集合保持精简，并在 system 消息里定义清楚，这样 GPT-6 Luna 在数百万次调用中结果保持一致。简单分类用低推理强度运行 GPT-6 Luna，抽样和人工标注对比，把拿不准的请求转给人工或更大的模型。
阅读 API 文档GPT-6 Luna — 面向海量任务的高效模型
GPT-6 Luna 是 OpenAI 最高效的模型，专为专注、高并发的批量任务打造。GPT-6 Luna 支持 1,050,000 token 上下文窗口、最多 128,000 token 输出，接受文本和图片输入，推理强度可在 none 到 max 之间调节。在 reAPI 上，GPT-6 Luna 按 token 计费，价格低于 OpenAI 官方公布价。
- 模型特点
- 1.05M 上下文 · 128K 输出 · 六档推理强度
- 适用场景
- 专注、高并发的批量任务
- 输入
- 文本和图片
- 输出
- 文本、支持流式输出
GPT-6 Luna· Chat Completions
向 GPT-6 Luna 提问
直接使用输入框中的默认提示词，或选择一个示例。
价格
积分计费 — 1 积分 = 0.001 美元，仅为成功生成付费。
首次测试成本
$0.00050.48 credits
最低档一次 1K token 提示加 1K token 回答。
测试预算参考
充值积分$10
约 20833 次测试
$50
约 104166 次测试
$100
约 208333 次测试
| 类别 | 标准 · 提示长度最多 272K tokens | 长上下文 · 提示长度超过 272K tokens |
|---|---|---|
| 输入 | $0.080 价格 · 1M tokens | $0.160 价格 · 1M tokens |
| 输出 | $0.400 价格 · 1M tokens | $0.600 价格 · 1M tokens |
| 缓存读取 | $0.008 价格 · 1M tokens | $0.160 价格 · 1M tokens |
| 缓存写入 | $0.100 价格 · 1M tokens | $0.200 价格 · 1M tokens |
GPT-6 Luna 是什么？
GPT-6 Luna 是 OpenAI GPT-6 系列中最高效的模型，专为专注、高并发的批量任务打造。GPT-6 Luna 接受文本和图片输入，输出文本。它适合每天重复成千上万次的工作——工单分类、从文档中提取字段、内容打标签、请求分流——每次调用都有明确、可核验的答案，而且每个 token 的单价直接决定成本。在 reAPI 上，GPT-6 Luna 通过兼容 OpenAI 的 Chat Completions 接口提供，按 token 计费。
你能用这个模型做什么
可以用这个模型构建并上线的真实工作流与生产级用例。
用 GPT-6 Luna 做信息抽取：把文档变成字段
把发票、收据、合同或截图交给 GPT-6 Luna，让它只返回你的系统需要的字段。结构化输出可以把回复锁定在 JSON Schema 上，图片输入意味着扫描件或拍照的收据可以直接传入。GPT-6 Luna 按你要求的结构返回；写入账本或交给客户之前，请先用自己的记录核对数值。
用 GPT-6 Luna 做路由：快速决定下一步
把 GPT-6 Luna 放在更大的工作流前面，判断每个请求需要什么：哪个团队、哪个工具、哪个模型。简短的提示词、一份选项清单，再配合 reasoning_effort 设为 none 的函数调用，能让 GPT-6 Luna 的每次判断都很快。难题交给 GPT-6 Sol，大部分流量由 GPT-6 Luna 承接。
为什么用 reAPI 调用 GPT-6 Luna
GPT-6 Luna 的定价为海量调用而设
OpenAI 把 GPT-6 Luna 定位为 GPT-6 系列中最高效的模型，官方公布的每 token 单价远低于 GPT-6 Sol。reAPI 在此基础上再按低于官方价计费。对于以百万次计的任务——打标签、信息抽取、工单分拣——每 token 单价决定账单，GPT-6 Luna 应当是第一个测试的模型。
GPT-6 Luna 保留完整的 GPT-6 上下文
高效不等于窗口变小。OpenAI 为 GPT-6 Luna 公布的上下文窗口为 1,050,000 token，最大输入 922,000 token，最大输出 128,000 token，与 GPT-6 Sol 完全相同。任务需要时，GPT-6 Luna 可以一次读完一份长文档，再用很少的 token 作答。
按请求调节 GPT-6 Luna 的推理强度
在 reAPI 上，GPT-6 Luna 支持全部六档推理强度，从 none 到 max，默认 medium。简单的 GPT-6 Luna 分类和抽取任务通常用 none 或 low 就够了；更难的判断可以调高。推理 token 按输出计费，所以请测出哪一档能达到你的准确率目标，然后使用满足目标的最低一档。
GPT-6 Luna 对比 GPT-6 Sol
GPT-6 Luna 和 GPT-6 Sol 的上下文与输出上限相同，区别在于分工：GPT-6 Luna 面向高效的海量任务，GPT-6 Sol 面向复杂编程和 Agent。
官方公布的特性
GPT-6 Luna
GPT-6 Sol
模型标识符
gpt-6-luna
gpt-6-sol
定位
专注、高并发的批量任务
复杂编程与 Agent 工作流
每 token 单价
各类 token 均更低
各类 token 均更高
上下文窗口
1,050,000 tokens
1,050,000 tokens
最大输出
128,000 tokens
128,000 tokens
知识截止日期
2026 年 5 月 18 日
2026 年 4 月 20 日
来源：OpenAI 模型文档，核对于 2026 年 9 月 24 日。官方规格不代表经过测量的质量差异，请在你自己的任务上分别测试。
三步用上 GPT-6 Luna
- step 01
创建 reAPI API key
登录 reAPI，在 API keys 下创建一把 key。同一把 key 可以调用 GPT-6 Luna 和平台上的所有其它模型，从同一个余额扣费。
打开 - step 02
把客户端指向 reapi.ai
把 base URL 设为 https://reapi.ai/api/v1，key 换成刚创建的那一把。已经在用 OpenAI Chat Completions 的客户端无需更换 SDK 即可调用 GPT-6 Luna。
打开 - step 03
把 model 设为 gpt-6-luna
把 model 字段设为 gpt-6-luna 并提交 messages。选择能达到准确率目标的最低 reasoning_effort；带 tools 的请求在任一档位都可用。
打开
docs/api/gpt-6-luna
curl https://reapi.ai/api/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-luna",
"messages": [
{ "role": "user", "content": "Hello" }
],
"reasoning_effort": "medium",
"max_completion_tokens": 16000,
"stream": true
}'参数校验失败
提交时同步拒绝并指明出错字段。检查枚举值、范围与 URL 字段——不产生任何扣费。
认证或余额问题
401 表示 Bearer 密钥缺失或无效；402 表示预扣额超出余额。密钥与积分在控制台管理。
内容或素材被拒
参考素材与生成结果都会经过自动审核。被拒的任务返回明确错误并全额退款。
任务失败或超时
进入失败状态的任务不会扣费——预扣自动退还。保留任务 ID，随时可重试。
常见问题
关于此模型的常见疑问。
GPT-6 Luna 是 OpenAI GPT-6 系列中最高效的模型，专为专注、高并发的批量任务打造。它接受文本和图片输入，返回文本。官方模型标识符是 gpt-6-luna。在 reAPI 上，GPT-6 Luna 通过 Chat Completions 接口提供，按 token 计费。
